arXiv cs.AI· Yilong Wang, Cheng Qian, Edward Johns·· 3 天前AI 评分31
Instant-Fold：面向可变形物体操作的上下文模仿学习框架
Instant-Fold: In-Context Imitation Learning for Deformable Object Manipulation
AI 导读
Instant-Fold 是一个面向可变形物体操作的上下文模仿学习框架，仅凭单次人类演示即可推断并执行多种操作模式，无需梯度更新。该方法先通过时序对比预训练学习形变感知视觉表征，再用以演示为条件的流匹配 Transformer 策略预测动作。框架完全在仿真中训练，可泛化到多种折叠模式并零样本迁移到真实环境，论文已被 CoRL 2026 接收。
正文 · AI 翻译
摘要：可变形物体操作（DOM）具有挑战性，因为其状态是高维且部分可观测的，并通过长时程、拓扑变化的交互演化，且存在多种有效的操作模式。我们提出了 Instant-Fold，一个用于 DOM 的上下文模仿学习框架。给定单个人类演示，我们的策略直接从演示中推断并执行多样化的操作模式，包括空间执行和顺序上的变化，而无需梯度更新。我们的方法首先通过时间对比预训练学习变形感知的视觉表示，之后一个以演示为条件的流匹配 transformer 策略预测动作以执行预期的操作模式。Instant-Fold 完全在仿真中训练，能够泛化到多样化的折叠模式，并零样本迁移到真实世界环境，无需额外数据收集或微调。视频见 this https URL。
| 评论： | 被 CoRL 2026 接收。项目网页：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2606.04269 [cs.RO] |
| （或 arXiv:2606.04269v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.04269 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yilong Wang [查看邮箱]
[v1]
2026年6月2日星期二 22:46:20 UTC（25,188 KB）
[v2]
2026年10月11日星期日 23:29:11 UTC（25,189 KB）
来源：arXiv cs.AI · arxiv.org